Detailansicht
Evaluierung von Large Language Models zur Python-Codegenerierung für Geodatenverarbeitungsaufgaben
Giacomo Joggerst
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Geowissenschaften, Geographie und Astronomie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Kartographie und Geoinformation
Betreuer*in
Andreas Riedl
DOI
10.25365/thesis.78319
URN
urn:nbn:at:at-ubw:1-28176.66631.552775-2
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Masterarbeit untersucht die Fähigkeiten großer Sprachmodelle (LLMs) zur Lösung komplexer Geodatenverarbeitungsaufgaben innerhalb von Geoinformationssystemen (GIS). Angesichts der rasanten Entwicklung von LLMs ist es entscheidend, ihr Potenzial sowie ihre Grenzen in spezialisierten Bereichen wie der Geodatenanalyse zu verstehen. Die Studie umfasst drei Testszenarien, die reale GIS-Aufgaben simulieren, darunter die Verarbeitung räumlicher Daten, die symbolbasierte Visualisierung von Attributen und die Integration von Koordinatensystemen. Jedes Szenario bewertet das räumliche Denken, die Datenumwandlung und das kontextuelle Verständnis der Modelle anhand von Metriken wie Accuracy (Genauigkeit) und Pass@k. Durch den Vergleich der Leistung mehrerer LLM‘s in diesen Aufgaben soll die Forschung Erkenntnisse über ihre Effektivität und Zuverlässigkeit für Geodaten-Anwendungen liefern. Die Ergebnisse zeigen, dass LLMs ein erhebliches Potenzial zur Automatisierung bestimmter GIS-Funktionen besitzen, jedoch bei komplexeren räumlichen Aufgaben Herausforderungen bestehen. Diese Arbeit trägt zur aktuellen Diskussion über die Anpassung von LLMs an fachspezifische Anwendungen bei und gibt Empfehlungen für ihren zukünftigen Einsatz im GIS-Bereich.
Abstract
(Englisch)
This thesis investigates the capabilities of large language models (LLMs) in solving complex geospatial data tasks within Geographic Information Systems (GIS). With the rapid development of LLMs, understanding their potential application and limitations in specialized fields like geospatial analysis has become crucial. The study explores three test scenarios that simulate real-world GIS tasks, including spatial data processing, attribute-based symbolization, and the integration of coordinate systems. Each scenario assesses the models' spatial reasoning, data transformation, and contextual understanding, using metrics such as accuracy and pass@k evaluations. By comparing the performance of multiple LLMs across these tasks, the research aims to provide insights into their effectiveness and reliability for geospatial applications. The findings suggest that while LLMs exhibit significant potential for automating certain GIS functions, challenges remain in complex spatial reasoning tasks. This study contributes to the ongoing discourse on adapting LLMs for domain-specific applications, offering recommendations for their future deployment in GI.
Schlagwörter
Schlagwörter
(Deutsch)
GIS Large Language Models Codegenerierung
Autor*innen
Giacomo Joggerst
Haupttitel (Deutsch)
Evaluierung von Large Language Models zur Python-Codegenerierung für Geodatenverarbeitungsaufgaben
Paralleltitel (Englisch)
Evaluation of large language models for Python code generation for geodata processing tasks
Publikationsjahr
2025
Umfangsangabe
VII, 84 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Andreas Riedl
Klassifikation
74 Geographie > 74.48 Geoinformationssysteme
AC Nummer
AC17523544
Utheses ID
75447
Studienkennzahl
UA | 066 | 856 | |